MétaCan
Menu
Retour à la cohorte
Enregistrement W4385634117 · doi:10.1080/11956860.2023.2244301

Predator types, urbanization, and tree cover drive top-down control of herbivorous and carnivorous preys in an urban agroecosystem

2023· article· en· W4385634117 sur OpenAlexvenueno aff
Asraf K. Lidasan, Jirriza O. Roquero, Navel Kyla B. Balasa, Angelo Rellama Agduma, Renee Jane A. Ele, Krizler C. Tanalgo

Notice bibliographique

RevueEcoscience · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPredationTrophic levelEcologyHerbivorePredatorBiologyAgroecosystemTrophic cascadeEcosystemAgriculture

Résumé

récupéré en direct d'OpenAlex

Prey-predator interactions hold significant importance, widely acknowledged as crucial processes within ecosystems. Yet, there is a scarcity of empirical data that effectively illustrates the influence of urbanization on such interactions. We performed a common garden experiment utilizing 1250 clay models to assess the predation risks faced by herbivorous and carnivorous prey in an urban agroecosystem in the southern Philippines. Our findings revealed significant differences in attack risks between the trophic levels, with herbivorous caterpillars (n = 246; 53.25%) experiencing higher predation rates compared to carnivorous lizards (n = 216; 46.75%). Interestingly, while the trophic level of the prey did not directly predict predation risk, the presence of predators showed significant effects. Arthropods emerged as the dominant predators of herbivorous prey compared to other predators, whereas mammalian predators predominantly attacked carnivorous prey. The landscape variable also had a strong influence on the risk of predation. We found that increasing tree cover was significantly related to increased predation risk, while built-up showed the opposite. Our research findings support the ‘increasing disturbance hypothesis’, suggesting that rising urbanization rates reduce predator diversity, resulting in a decrease and loss of predation pressure.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,190
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetPlant and animal studiesTravaux en français237 207